返回首页
苏宁会员
购物车 0
易付宝
手机苏宁

服务体验

店铺评分与同行业相比

用户评价:----

物流时效:----

售后服务:----

  • 服务承诺: 正品保障
  • 公司名称:
  • 所 在 地:
本店所有商品

  • 醉染图书大数据知识工程9787030731654
  • 正版全新
    • 作者: 郑庆华 等著 | 郑庆华 等编 | 郑庆华 等译 | 郑庆华 等绘
    • 出版社: 科学出版社
    • 出版时间:2023-01-01
    送至
  • 由""直接销售和发货,并提供售后服务
  • 加入购物车 购买电子书
    服务

    看了又看

    商品预定流程:

    查看大图
    /
    ×

    苏宁商家

    商家:
    醉染图书旗舰店
    联系:
    • 商品

    • 服务

    • 物流

    搜索店内商品

    商品参数
    • 作者: 郑庆华 等著| 郑庆华 等编| 郑庆华 等译| 郑庆华 等绘
    • 出版社:科学出版社
    • 出版时间:2023-01-01
    • 版次:1
    • 印次:1
    • 字数:297000
    • 页数:236
    • 开本:16开
    • ISBN:9787030731654
    • 版权提供:科学出版社
    • 作者:郑庆华 等
    • 著:郑庆华 等
    • 装帧:平装
    • 印次:1
    • 定价:138.00
    • ISBN:9787030731654
    • 出版社:科学出版社
    • 开本:16开
    • 印刷时间:暂无
    • 语种:暂无
    • 出版时间:2023-01-01
    • 页数:236
    • 外部编号:1202787952
    • 版次:1
    • 成品尺寸:暂无

    前言

    章 绪论 1

    1.1 知识工程发展历程 1

    1.2 大数据知识工程概述 3

    1.2.1 产生背景 3

    1.2.2 基本概念 4

    1.. 与传统知识工程的区别 5

    1.3 与新一代人工智能的关系 6

    1.3.1 新一代人工智能的特点 6

    1.3.2 大数据知识工程是共技术 7

    1.4 本书的组织结构 7

    1.5 本章小结 8

    参考文献 9

    第2章 挑战与科学问题 11

    2.1 “三跨”特点 11

    2.2 散、杂、乱三个挑战 12

    . 研究框架与科学问题 16

    2.4 本章小结 18

    参考文献 18

    第3章 知识表示 21

    3.1 研究现状与趋势 21

    3.2 传统的知识表示方法

    3.3 知识图谱 26

    3.3.1 知识图谱的定义 26

    3.3.2 知识图谱的分类 26

    3.3.3 知识图谱的存储 28

    3.4 事件图谱 29

    3.4.1 事件图谱的定义 30

    3.4.2 事件图谱的数据模型 31

    3.4.3 常见事件图谱 32

    3.5 知识森林 33

    3.5.1 知识森林的提出背景 33

    3.5.2 知识森林的定义 34

    3.5.3 知识森林的存储模型 37

    3.6 本章小结 39

    参考文献 39

    第4章 知识获取与融合 42

    4.1 研究现状与趋势 42

    4.1.1 研究现状 42

    4.1.2 挑战与发展趋势 44

    4.2 知识图谱自动构建 45

    4.2.1 三元组知识抽取 45

    4.2.2 三元组知识融合 49

    4.3 逻辑公式抽取 50

    4.3.1 逻辑公式的形式化定义 51

    4.3.2 基于统计量的抽取方法 52

    4.3.3 基于矩阵序列的抽取方法 54

    4.3.4 基于关系路径的抽取方法 56

    4.3.5 挑战与展望 57

    4.4 知识森林自动构建 57

    4.4.1 主题分面树生成 58

    4.4.2 文本碎片知识装配 61

    4.4.3 认知关系挖掘 63

    4.4.4 知识森林可视化 67

    4.5 本章小结 70

    参考文献 71

    第5章 知识表征学习 75

    5.1 研究现状与趋势 75

    5.1.1 研究现状 76

    5.1.2 挑战与发展趋势 78

    5.2 知识图谱表征学习 79

    5.2.1 直推式学习 79

    5.2.2 归纳式学习 82

    5.3 异构图表征学习 84

    5.3.1 浅层异质信息网络表征学习 85

    5.3.2 深层异质信息网络表征学习 87

    5.3.3 挑战与发展趋势 91

    5.4 逻辑公式表征学习 92

    5.4.1 基于序列的方法 93

    5.4.2 基于树结构的方法 93

    5.4.3 基于图结构的方法 95

    5.4.4 挑战与发展趋势 97

    5.5 本章小结 98

    参考文献 98

    第6章 知识推理 102

    6.1 研究现状与趋势 102

    6.1.1 基本概念 102

    6.1.2 研究现状 103

    6.1.3 挑战与发展趋势 106

    6.2 带有记忆的推理模型 106

    6.2.1 记忆机制在推理中的作用 107

    6.2.2 神经图灵机 107

    6.. 可微神经计算机 111

    6.2.4 记忆模型总结 114

    6.3 符号化分层递阶学习模型 115

    6.3.1 SHiL模型 115

    6.3.2 SHiL模型构建方法 116

    6.3.3 复杂数据系统的层次划分和介区域识别 117

    6.3.4 符号化可微编程的介区域控制机制 118

    6.3.5 跨界区域推理路径生成 121

    6.4 知识检索 124

    6.4.1 基本概念 124

    6.4.2 典型知识检索方法 126

    6.4.3 知识检索中的why-not问题 130

    6.4.4 挑战与发展趋势 132

    6.5 智能问答 133

    6.5.1 自然语言问答 133

    6.5.2 视觉问答 137

    6.5.3 教科书式问答 140

    6.5.4 问题生成 145

    6.6 本章小结 150

    参考文献 150

    第7章 典型应用 154

    7.1 知识森林个化导学 154

    7.1.1 知识森林导航学统 155

    7.1.2 知识森林AR交互学习 158

    7.1.3 应用示范 161

    7.2 智能化税务治理 163

    7.2.1 税收知识库构建 163

    7.2.2 税收优惠计算 171

    7.. 偷逃骗税风险智能识别 176

    7.3 网络舆情的智能监控 179

    7.3.1 舆情网络的定义和构建 180

    7.3.2 舆情网络应用分析 181

    7.4 本章小结 185

    参考文献 185

    第8章 未来研究方向 186

    8.1 复杂大数据知识获取 186

    8.1.1 视觉知识 186

    8.1.2 常识知识 191

    8.1.3 知识增殖与量质转化 196

    8.2 知识引导+数据驱动的混合学习 198

    8.2.1 可微编程 199

    8.2.2 反事实推理 203

    8.. 可解释机器学习 208

    8.3 脑启发的知识编码与记忆 212

    8.3.1 双过程理论启发的认知图谱 212

    8.3.2 海马体理论启发的知识记忆与推理 214

    8.4 本章小结 217

    参考文献 217

    第9章 结语 222

    致谢 224

    售后保障

    最近浏览

    猜你喜欢

    该商品在当前城市正在进行 促销

    注:参加抢购将不再享受其他优惠活动

    x
    您已成功将商品加入收藏夹

    查看我的收藏夹

    确定

    非常抱歉,您前期未参加预订活动,
    无法支付尾款哦!

    关闭

    抱歉,您暂无任性付资格

    此时为正式期SUPER会员专享抢购期,普通会员暂不可抢购